RFM-анализ: методика проведения

Когда у компании есть база клиентов, ее стоит сегментировать. Это позволит решить две важные для бизнеса задачи: разделить маркетинговые активности по степени важности и делать разным группам клиентов предложения, которые им интересны.

В этом поможет RFM-анализ. Чтобы понять суть этого метода, разберемся в значении аббревиатуры:

• Recency (давность). Имеется ввиду количество времени, которое прошло с момента последней покупки клиента.
• Frequency (частота). Речь идет о том, как часто клиент покупал на протяжении определенного периода.
• Monetary (деньги). То есть сумма, на которую клиент купил за анализируемый период.

Такой подход к сегментации — один из самых простых. Он нацелен на то, чтобы через анализ частоты и давности покупок понять закономерности в поведении разных групп аудитории.

Используя RFM-анализ, можно разработать:

• индивидуальные акционные предложения, бонусы;
• рекламные кампании, нацеленные на конкретные сегменты аудитории.

К примеру, можно поощрить клиентов, которые делают покупки часто и на большую сумму, предложив им дополнительный бонус. А тем, кто пока покупает не настолько много, целесообразно рассказать о преимуществах перехода в категорию VIP-клиентов.

Еще один важный момент — возможность проводить дополнительный анализ клиентов из разных сегментов, выявляя сходства и различия между ними. Это даст больше информации для работы с рекламой и маркетингом.

За основу анализа мы берем продажи интернет-магазина канцелярских товаров за четыре года.

Шаг 1: анализ распределения клиентов

Критериями анализа будут:

• давность покупки;
• количество покупок;
• потраченная сумма.

После того, как эти показатели рассчитаны для каждого клиента отдельно, можно создать графики. 

Цветом обозначим когорты, а пунктиром — предполагаемые сегменты. На этапе визуализации они хорошо заметны. 

Распределение клиентов по времени, которое прошло с момента последнего заказа:

• • до 30 дней;
  • 60 дней;
  • 90 дней;
  • 120 дней;
  • 240 дней;
  • 360 дней;
  • 720 дней;
  • свыше 720 дней. 

По количеству заказов принимаем, что сегменты равны между собой. Это обусловлено тем, что максимальное количество заказов само по себе невелико.

По сумме покупок клиенты распределены на такие сегменты:

• до $1000
• до $2000;
• $3000;
• $5000;
• $10000;
• $ 20000.

Чтобы определить границы сегментов в каждом конкретном случае и нужны гистограммы.

Шаг 2: распределение клиентов по сегментам

Каждый клиент получает свое название сегмента. Например, Клиент 1 (R3, F5, M3):

• R3 — делал покупку от 60 до 90 дней назад;
• F5 — всего у него 5 покупок;
• M3 — сумма покупок до $3000.

Такие действия надо выполнить для каждого клиента. Чтобы оценить результат, построим разные визуализации. 

Начнем с распределения клиентов по давности его покупок и их количеству. Этим критериям отвечают две оси на графике. А сегментацию по сумме покупок покажем цветом. 

Выделяются три более крупных сегмента по давности и три области по числу покупок. Эта информация понадобится позже, когда надо будет сделать сегменты крупнее.

Далее посчитаем количество клиентов по сегментам и сделаем соответствующую матрицу.

Как и на графике, который строили ранее, здесь тоже заметны несколько сегментов по частоте покупок и сроку от последней покупки.

Сделаем сегменты крупнее, их станет три по каждому измерению:

• H — лучшие значения;
• М — средние значения;
• L — худшие значения.

После этого пересчитаем эти сегменты для каждого из клиентов. Результат обозначим цветом и обновим матрицу. 

Получается, что осталось девять крупных сегментов. Для них в дальнейшем можно запускать целевые рекламные кампании, строить для них стратегию коммуникаций и создавать различные предложения.

В данном случае мы не взяли во внимание объемы продаж в сегментах, приняв, что есть взаимосвязь между количеством продаж и их суммой.

Такая тактика подходит не для всех сегментов.

Здесь четко прослеживается диспропорция между количеством клиентов и объемами покупок в худшем сегменте.

Делаем вывод, что усилия, затраченные на работу с этими клиентами, пропадают даром. Так как нужный объем продаж они не обеспечивают.

Чтобы понять, что дальше делать с такими клиентами, необходимо провести более детализированный анализ по каждому сегменту. После этого можно будет понять, стоит ли разработать для таких клиентов спецпредложения или же лучше отказаться от работы с ними. 

Ниже есть две диаграммы. На них прослеживается соотношение сегментов по когортам. Видно, что в некоторых когортах много клиентов из худших сегментов. Такая ситуация — сигнал к тому, что стоит внимательно изучить каналы привлечения таких клиентов и кампании, которые на них нацелены.

Шаг 3: пример работы с сегментированной клиентской базой (детализация — до клиента)

Здесь видим, что большинство клиентов лояльны, а отток — не критичен. Правда, на практике последняя диаграмма может выглядеть иначе. 

Здесь дисбаланс между количеством и объемом продаж еще существеннее. 

На последней диаграмме отмечаем, что количество сегментов превышает то, что было в примере. Немалая часть из них, по сути, не заполнена. То есть клиентов мало, объемы продаж невелики.

Если же еще добавить сегментацию по сумме продаж, то количество сегментов станет больше в семь раз. Выше мы обозначили, что таких сегментов как раз семь.

То есть, всего будет 8 х 13 х 7 = 728 сегментов. Это количество существенно усложняет анализ. Поэтому есть необходимость объединить клиентов с похожими характеристиками в группы, количество которых позволит без проблем провести анализ. Например, чтобы групп было пять или семь.

В этом может помочь кластеризация. Но это — другая история.